Как KTern.AI автоматизировала миграцию SAP с помощью ИИ-агентов на Amazon Bedrock

Переход от классической SaaS-модели к агентной ИИ-архитектуре позволил компании сократить сроки проектов SAP на 45 процентов и снизить затраты на инфраструктуру.

Обновлено:
3 мин чтения
Как KTern.AI автоматизировала миграцию SAP с помощью ИИ-агентов на Amazon Bedrock

Суть

Компания KTern.AI, специализирующаяся на цифровой трансформации и миграции систем SAP, перевела свою платформу на архитектуру автономных ИИ-агентов с использованием Amazon Bedrock AgentCore. Это решение позволило делегировать рутинные задачи по управлению инфраструктурой облачному провайдеру, сосредоточившись на разработке отраслевой логики. В результате сроки реализации клиентских проектов сократились почти вдвое.

Контекст

Цифровая трансформация и миграция ERP-систем (например, переход на SAP S/4HANA) — это одни из самых сложных, длительных и дорогих инициатив для любого крупного бизнеса. Такие проекты длятся месяцами, требуют учета тысяч взаимосвязей в бизнес-процессах и глубокой отраслевой экспертизы.

Ранее KTern.AI использовала собственную контейнерную инфраструктуру для запуска ИИ-моделей. По мере усложнения задач стало ясно, что простые одношаговые запросы к нейросетям не работают. Системе требовались агенты, способные сохранять контекст на протяжении месяцев, безопасно подключаться к внутренним базам данных клиентов и координировать работу между собой. Поддержка такой инфраструктуры собственными силами отнимала у инженеров слишком много времени.

Детали

Для решения проблемы компания перешла на Amazon Bedrock AgentCore с использованием Strands Agents SDK. Архитектура была построена на принципе строгого разделения обязанностей: KTern.AI отвечает исключительно за знания в области SAP, а AWS берет на себя хостинг, масштабирование, управление памятью агентов, безопасность и мониторинг.

Изображение из источника

Изображение из источника

Ключевые результаты внедрения впечатляют:

  • Время разработки и вывода нового агента в продакшен сократилось с 2-3 недель до 4-6 часов (на 85 процентов).
  • Затраты на инфраструктуру снизились на 70 процентов по сравнению с собственным решением.
  • Высвобождено 480 часов инженерного времени ежемесячно.
  • Для конечных клиентов общее время проектов миграции SAP сократилось на 45 процентов, а этап первоначального аудита ускорился на 60-70 процентов.

Агенты работают в изолированных средах для каждого клиента, подключаясь к системам SAP через протокол Model Context Protocol (MCP) и используя приватные каналы связи (AWS PrivateLink).

Анализ

Этот кейс наглядно демонстрирует важный сдвиг в индустрии разработки корпоративного программного обеспечения. Переход от создания собственных инфраструктурных решений для ИИ к использованию управляемых облачных сервисов дает колоссальный прирост эффективности.

Бизнесу больше не нужно с нуля писать код для оркестрации агентов, управления их долгосрочной памятью или безопасной авторизации в сторонних API. Платформы вроде Amazon Bedrock предоставляют готовые строительные блоки, позволяя компаниям фокусироваться на своей уникальной ценности — в данном случае, на алгоритмах миграции SAP.

Перспектива

Успех KTern.AI показывает, что будущее корпоративного ПО лежит в плоскости автономных многоагентных систем (multi-agent systems). В ближайшие годы мы увидим, как все больше традиционных SaaS-платформ будут трансформироваться в агентные решения, способные не просто анализировать данные по запросу, но и самостоятельно выполнять длительные многоступенчатые процессы с предсказуемым результатом и высоким уровнем безопасности.

TL;DR

Главное

Использование готовой облачной инфраструктуры для ИИ-агентов позволяет компаниям радикально ускорить разработку и снизить затраты, сфокусировавшись на отраслевой экспертизе.

Ключевые факты

  • /Разработка нового ИИ-агента ускорилась с нескольких недель до 4-6 часов.
  • /Затраты на инфраструктуру снизились на 70 процентов.
  • /Сроки клиентских проектов по миграции SAP сократились на 45 процентов.

Инсайт

Главная сложность внедрения ИИ в enterprise-сегменте сегодня — это не качество самих языковых моделей, а надежная инфраструктура для сохранения долгосрочного контекста и безопасного доступа к корпоративным инструментам.

Источник:Aws

Читайте также